Scenario-Based Markov Modelling: An Exploratory Analysis of AI's Potential Impact on Customer Retention -- The Netflix Case
تستخدم هذه الدراسة الاستكشافية محاكاة لسلسلة ماركوف وأطرًا نظرية لتوضيح أنه، في ظل فرضيات محددة، يمكن لآليات التخصيص القائمة على الذكاء الاصطناعي أن تضاعف نظريًا معدل استبقاء العملاء لشركة نتفليكس مقارنة بخط أساس منخفض للذكاء الاصطناعي، مع تسليط الضوء على الاعتبارات الأخلاقية المرتبطة بذلك.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الترفيه الرقمي المزدحم، حيث تتنافس مئات المنصات لجذب انتباه المشاهد، يكمن الفرق بين بقاء المشترك لسنة أخرى أو ضغطه على زر "إلغاء الاشتراك" في شعور واحد: هل وجدتُ شيئاً أريد مشاهدته؟ لعقود من الزمن، حاولت الشركات حل هذه المعضلة عبر سؤال العملاء عما يحبونه أو عبر عرض نفس البرامج الشهيرة التي يشاهدها الجميع. ومع ذلك، يستخدم نهج جديد الذكاء الاصطناعي ليعمل كمرشد دقيق الملاحظة ولا يكلّ. هذه التكنولوجيا لا تكتفي بالتخمين فحسب؛ بل تتعلم من مليارات الأفعال الصغيرة، مثل ما يقوم به الشخص من إيقاف مؤقت، أو تقديم، أو تخطي، لبناء خريطة فريدة لأذواقه. والهدف هو الانتقال لما هو أبعد من مجرد الاقتراحات البسيطة وخلق تجربة مخصصة تبدو وكأنها صُممت خصيصاً له، مما يبقي المشاهد متفاعلاً ويقلل من احتمالية مغادرته. هذا هو السؤال الجوهري الذي استكشفه باحثون يدرسون "نتفليكس"، وهي عملاق في هذا القطلوج تعتمد منذ فترة طويلة على مثل هذه الأنظمة. لقد أرادوا فهم ليس فقط كيفية عمل هذه الأدوات، بل قياس حجم تأثيرها الهائل في الحفاظ على رضا العملاء واستمرار اشتراكاتهم بمرور الوقت.
وللإجابة على ذلك، لم يكتفِ الباحثون في جامعة قالمة بسؤال المستخدمين عن آرائهم أو النظر في أرقام المبيعات الماضية. بدلاً من ذلك، بنوا محاكاة رقمية، مختبراً افتراضياً حيث يمكنهم مراقبة كيف سيتصرف مليون عميل خيالي على مدار عام كامل. لقد أنشأوا عالمين مختلفين للمقارنة بينهما. في العالم الأول، سيناريو "الذكاء الاصطناعي العالي"، استخدمت المنصة أدوات متقدمة لتخصيص كل جانب من جوانب التجربة، بدءاً من الصور المصغرة للأفلام المعروضة وصولاً إلى طريقة اختيار البرامج الجديدة. وفي العالم الثاني، سيناريو "الذكاء الاصطناعي المنخفض"، عملت المنصة باستخدام توصيات أساسية غير مخصصة فقط، مما يمثل خدمة تفتقر إلى هذه الميزات الذكية. استخدم الباحثون طريقة تسمى "محاكاة ماركوف"، وهي في الأساس وسيلة لتتبع كيفية انتقال الناس بين حالات مختلفة من التفاعل — مثل كونهم نشطين، أو معرضين لخطر المغادرة، أو توقفوا بالفعل عن المشاهدة — بناءً على القواعد التي تحكم العالم الذي يتواجدون فيه. ومن خلال تشغيل هذه المحاكاة مئة مرة لضمان استقرار النتائج، تمكنوا من رؤية كيف يمكن للاختلافات الطفيفة في التفاعلات اليومية أن تتراكم لتصبح فروقاً هائلة في عدد من يبقى ومن يرحل بعد اثني عشر شهراً.
كانت نتائج هذه التجربة الافتراضية مذهلة. ففي العالم الذي يتوفر فيه ذكاء اصطناعي متطور، أظهرت المحاكاة أن ما يقرب من 69 بالمائة من المشتركين ظلوا نشطين بعد عام واحد. وفي المقابل، في العالم الذي يفتقر إلى هذه الأدوات الذكية، بقي حوالي 33 بالمائة فقط من المشتركين. وهذا يعني أن السيناريو المزود بالذكاء الاصطناعي المتطور احتفظ بأكثر من ضعف عدد العملاء مقارنة بالسيناريو الأساسي. وقد حسب الباحثون ذلك كتحسن نسبي يزيد عن 110 بالمائة، وهي فجوة اتسعت مع مرور كل شهر. وأشارت المحاكاة إلى أن العامل الأقوى الذي دفع هذا الفرق هو قدرة الذكاء الاصطناعي على استعادة المستخدمين الذين بدأوا يفقدون الاهتمام. فعندما يبدأ المشاهد في المشاهدة بشكل أقل، يكون النظام الذكي أفضل بكثير في عرض شيء جذاب بما يكفي لإعادته، بينما يعاني النظام الأساسي في إعادة جذبهم. بالإضافة إلى ذلك، ساعد الذكاء الاصطناعي في منع المستخدمين الذين توقفوا عن المشاهدة لمدة شهر من إلغاء اشتراكاتهم تماماً، مما يشير إلى أن تاريخ التوصيات الجيدة يخلق شبكة أمان تبقي الناس مشتركين حتى خلال فترات الركود.
حددت الدراسة ثلاث طرق محددة حقق من خلالها الذكاء الاصطناعي هذه النتائج. أولاً، قدم توصيات محتوى فائقة التخصيص، مستخدماً خوارزميات معقدة لاقتراح أفلام وبرامج تتوافق مع تفضيلات المستخدم الخفية، مما يرفع عن كاهل المستخدم عبء البحث عما يشاهده. ثانياً، قام بتحسين واجهة المستخدم من خلال الاختبار المستمر، وتغيير الصور وتخطيط الشاشة لجعل المحتوى يبدو أكثر جاذبية لكل شخص على حدٍ. ثالثاً، وجه النظام الشركة في اتخاذ القرارات المتعلقة بإنتاج أو شراء البرامج الجديدة، باستخدام البيانات للتنبؤ بما يريده الجمهور قبل تصوير حلقة واحدة. عملت هذه الآليات الثلاث معاً لخلق تجربة سلسة حيث يظهر المحتوى المناسب في الوقت المناسب، مما يقلل الجهد المطلوب للعثور على الترفيه ويزيد من احتمالية الرضا.
ومع ذلك، كان الباحث حريصاً على توضيح حدود نتائجهم. فقد أكد أن أرقامهم ليست تنبؤاً بما سيحدث إذا أوقفت نتفليكس ذكاءها الاصطناعي فجأة، وليست ضماناً للأداء المستقبلي. إن عالم "الذكاء الاصطناعي المنخفض" الذي صنعوه كان حداً نظرياً أقصى؛ ففي الواقع، تستخدم معظم الخدمات الكبرى للتدفق الرقمي شكلاً من أشكال أنظمة التوصية الأساسية، لذا لا يوجد منافس حقيقي في الواقع يؤدي بسوء كما اقترحت المحاكاة. لقد صُممت الدراسة لإظهار الحجم المحتمل للميزة، وتوضيح مدى قوة هذه الأدوات في ظل ظروف مثالية، بدلاً من تقديم توقع دقيق للإيرادات في العالم الحقيقي. كما أشار المؤلف إلى أن نموذجه بسط السلوك البشري بافتراض أن الإجراء التالي للمستخدم يعتمد فقط على حالته الحالية، متجاهلاً التاريخ المعقد لتفاعلاته السابقة. ورغم هذه التبسيطات، قدمت المحاكاة توضيحاً كمياً واضحاً لكيفية تحويل التخصيص للخدمة من مجرد مكتبة بسيطة لمقاطع الفيديو إلى شريك ديناميكي في الترفيه.
وبعيداً عن الأرقام، سلطت الورقة الضوء على الآثار الأوسع لهذه التكنولوجيا بالنسبة للشركات والمجتمع على حد سواء. فبالنسبة للشركات، تشير الدراسة إلى أن الاستثمار في الذكاء الاصطناعي ليس مجرد ترقية تقنية، بل هو استراتيجية جوهرية للبقاء في سوق تنافسي. وبالنسبة للمشاهدين، فإن الأمر يثير تساؤلات مهمة حول الخصوصية وأخلاقيات الخوارزميات التي تعرف الكثير عن عاداتهم. وجادل الباحث بأن هذه الأدوات، رغم فعاليتها، يجب أن تُستخدم بمسؤولية، مع الشفافية حول كيفية اتخاذ القرارات ووضع ضمانات ضد التحيز. واقترح أن المسار الأفضل للمضي قدماً يتضمن التوازن بين استخدام البيانات لخلق القيمة واحترام حق المستخدم في الخصوصية والاختيار. وفي الختام، تقدم الدراسة الذكاء الاصطناعي ليس كحل سحري، بل كقدرة قوية يمكن، عند استخدامها بحكمة، أن تعيد تشكيل كيفية تواصلنا مع القصص التي نحبها، محولةً الاشتراك البسيط إلى علاقة دائمة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.